学位论文简介

多视图属性图聚类旨在揭示图中潜在群体结构，服务于推荐系统、社交网络分析等场景，兼具理论与应用价值。针对大规模、属性缺失及个性化三类现实场景需求，本文开展多视图属性图聚类系统研究，主要内容如下：

（1）大规模场景下的高效多视图属性图聚类研究。针对现有方法在处理大规模数据时面临的计算复杂、锚点选取信息来源单一等问题，本文提出自适应虚拟锚点聚类方法，将虚拟锚点学习与虚拟锚点图构建紧密循环结合，并设计五块坐标下降优化器进行优化求解。与当前先进方法相比，本文方法在保证稳定的同时显著提升聚类精度，并在公开大规模数据集上实现了约1.8倍的加速效果。

（2）属性缺失场景下的多视图不完全属性图聚类研究。针对属性缺失问题，本文首次系统研究多视图不完全属性图聚类，提出缺失低敏感多视图属性图聚类方法，利用关联强度感知图神经网络捕捉属性内在联系以提升精度。通过引入缺失位置提示机制改进视图内部生成对抗博弈，缓解传统生成对抗网络在面临属性缺失时的局限性。实验结果表明，与当前最优方法相比，本文方法在聚类准确率上最高可提升17%。

（3）个性化场景下的用户交互多视图属性图聚类研究。面向用户个性化聚类需求，提出共识预训练与个性化微调方法。设计结合不确定性与多样性的混合查询策略，通过交互反馈构建正负样本对并引入对比学习损失，利用个性化嵌入优化器引导聚类结果适应用户偏好。在多种个性化聚类任务中，本文方法均优于现有先进方法。

主要学术成果

[1] Mengyao Li, Zhibang Yang, Xu Zhou, Yixiang Fang, Kenli Li, Keqin Li. Clustering on Attributed Graphs: From Single-view to Multi-view. ACM Comput. Surv. 2025, 57(7): 163:1-163:36. (SCI 一区 Top，第一作者)

[2] Mengyao Li, Xu Zhou, Jiapeng Zhang, Zhibang Yang, Cen Chen, Kenli Li. TOTF: Missing-Aware Encoders for Clustering on Multi-View Incomplete Attributed Graphs. IJCAI , 2025, 3054-3062.（CCF A 类会议，第一作者）

[3] Mengyao Li, Zhibang Yang, Xu Zhou, Joey Tianyi Zhou, Quanqing Xu, Chuanhui Yang, Kenli Li, Keqin Li. Adaptive virtual anchors for efficient and stable clustering over large multi-view attributed graphs. Inf. Fusion, 2026, 131: 104190.（SCI 一区，第一作者）

[4] Mengyao Li, Zhiyong Li, Zhibang Yang, Xu Zhou, Yifan Li, Ziyan Wu, Lingzhao Kong, Ke Nai. SA2E-AD: A Stacked Attention Autoencoder for Anomaly Detection in Multivariate Time Series. ACM Trans. Knowl. Discov. Data, 2024, 18(7): 174 .（CCF B 类期刊，第一作者）